(y) von
(y) von (y) von
… bedeutet, dass die Prädiktoren miteinander korreliert sind. orthogonale (unkorrelierte) vs. korrelierte UV x y 2 x x 1 2 x 1 y
… hat einen großen Einfluss auf den Standardfehler , der dann unter Umständen sehr anwächst. Die Lösungen werden sehr instabil. Inwieweit lassen sich lineare Abhängigkeiten unter den Prädiktoren tolerieren? Der Toleranzwert ist daher für die Kollinearitätsdiagnose wichtig: (1 - R i2 ), d.h. 1 - der multiplen Korrelation des jeweiligen Prädiktors mit den anderen Prädiktoren. geringe Toleranz lineare Abhängigkeiten mit anderen Prädiktoren VIF (variance inflation factor) baut auf TOLERANCE auf. VIF = 1 Unabhängigkeit Er steigt mit wachsender linearer Abhängigkeit. VIF nahe bei 1 nur geringe Anzeichen auf Kollinearität „Daumenregel“: Toleranzwert sollte nicht unter 0,25 sein VIF-Wert sollte nicht über 5,0 gehen.
- Seite 3 und 4: Regressionsanalyse
- Seite 5 und 6: X 1 , X 2 ,… X i Y Prädiktor(en)
- Seite 7 und 8: y Wovon ist es abhängig, ob ich ei
- Seite 9 und 10: 1. Zusammenhänge aufzeigen • Wel
- Seite 11 und 12: Regressionsanalyse •Einfaches lin
- Seite 13 und 14: Prinzip: Es wird eine Gerade ermitt
- Seite 16 und 17: vorhergesagter y-Wert der Person i
- Seite 18 und 19: = Schnittpunkt mit der y-Achse Wenn
- Seite 20 und 21: Für einen Datensatz (eine Punktewo
- Seite 23 und 24: Analysieren Regression Linear…
- Seite 25 und 26: Modelle: Aufgenommene und entfernte
- Seite 27 und 28: Regressionsanalyse (1) Globale Güt
- Seite 29 und 30: Analysieren Regression Linear…
- Seite 31 und 32: … entspricht der Korrelation zwis
- Seite 33: Wieviel Varianz wird aufgeklärt?
- Seite 36 und 37: Achtung! Man kann R² künstlich d
- Seite 38 und 39: … ist die Standardabweichung d de
- Seite 40 und 41: Besitzt das geschätzte Modell auch
- Seite 42 und 43: keine Ausreißer ( Boxplot) Normal
- Seite 44 und 45: AV und UV in „Matrixvariablen“
- Seite 47 und 48: = Varianzhomogenität (konstante St
- Seite 49 und 50: Y - ZRESID X - ZPRED Beide Diagramm
- Seite 51 und 52: = Fehler sind nicht wie im Modell g
- Seite 53: Visualisierung i via Streudiagramm
- Seite 57 und 58: … tritt auf, wenn der multiple l
- Seite 60 und 61: Alle angegebenen Variablen werden f
- Seite 62 und 63: WANN? wenn von vorneherein nur Var
- Seite 64 und 65: (= Indikator-, Kategorien-, binäre
- Seite 67: Im Plot sind die e i die vertikalen
… hat einen großen Einfluss auf den Standardfehler , der dann unter<br />
Umständen sehr anwächst. Die Lösungen werden sehr instabil.<br />
Inwieweit lassen sich lineare Abhängigkeiten unter den<br />
Prädiktoren tolerieren?<br />
<br />
Der Toleranzwert ist daher für die Kollinearitätsdiagnose wichtig:<br />
(1 - R i2 ), d.h. 1 - der multiplen Korrelation des jeweiligen Prädiktors mit den<br />
anderen Prädiktoren.<br />
geringe Toleranz lineare Abhängigkeiten mit anderen Prädiktoren<br />
<br />
VIF (variance inflation factor) baut auf TOLERANCE auf.<br />
VIF = 1 Unabhängigkeit<br />
Er steigt mit wachsender linearer Abhängigkeit.<br />
VIF nahe bei 1 nur geringe Anzeichen auf Kollinearität<br />
„Daumenregel“:<br />
Toleranzwert sollte nicht unter 0,25 sein<br />
VIF-Wert sollte nicht über 5,0 gehen.
Change language